[发明专利]一种基于信道状态信息的储粮害虫检测方法及装置

说明书

本发明涉及一种基于信道状态信息的储粮害虫检测方法及装置，该方法获取穿过有害虫储粮和没有害虫储粮的WiFi信号，从WiFi信号中提取信道状态信息的CSI振幅数据，以提取出的CSI振幅数据和与CSI振幅数据对应的类别构建样本，类别包括储粮中有害虫和储粮中无害虫；构建机器学习模型，利用样本对机器学习模型进行训练，得到储粮害虫检测模型；获取穿过待检测储粮的WiFi信号，从穿过待检测储粮的WiFi信号中提取CSI振幅数据并输入至所述储粮害虫检测模型中，得到待检测储粮中是否有害虫。本发明利用WiFi信号通过储粮时，活动的害虫会引起WiFi信号中CSI振幅数据的显著且可测量变化的原理，通过构建机器学习算法模型，对储粮中是否含有害虫进行检测，检测精度高，效果好。

技术领域

本发明属于害虫检测技术领域，具体涉及一种基于信道状态信息的储粮害虫检测方法及装置。

背景技术

粮食储藏过程中影响粮食安全的因素包括环境因素和生物因素。其中，害虫是威胁粮食储藏安全的一个重要因素。因此，储粮害虫检测是当前粮食行业的研究热点，只有准确的检测害虫，才能做到有目的的防治，把害虫数量控制在经济损害水平以下，既不会因害虫造成损失，也不会因盲目防治造成浪费、加重对储粮和环境的污染。

现有的储粮害虫检测方法可以大致分为两类：一类是传统的人工检查法；另一类是通过现代信息光学、声学、图像、电磁学等新方法对储粮害虫进行检测分类，具体细分开来大致可分为声音识别法、图像识别法等方法。

传统的人工检测方法工作量大、工作效率低，难以适应现代化粮食储藏的需要。

声音识别法通过害虫在取食、运动、通讯时发出的声音来检测储粮害虫，该装置复杂且成本高，且容易受到外界环境声音的影响，使得通过该方法获取的害虫检测效果不佳。图像识别法是通过机器学习技术将粮虫特征区分开来，该法有较高的识别率，但只能识别粮粒外部的害虫，处于粮粒之间的害虫无法通过图像识别法识别出，也使得通过该方法获取的害虫检测效果不佳。

发明内容

本发明提供了一种基于信道状态信息的储粮害虫检测方法及装置，用于解决现有技术的储粮害虫检测效果不佳的问题。

为解决上述技术问题，本发明的技术方案和有益效果为：

本发明的一种基于信道状态信息的储粮害虫检测方法，包括如下步骤：

1)获取穿过有害虫储粮和没有害虫储粮的WiFi信号，从所述WiFi信号中提取信道状态信息的CSI振幅数据，以提取出的CSI振幅数据和与CSI振幅数据对应的类别构建样本，所述类别包括储粮中有害虫和储粮中无害虫；

2)构建机器学习模型，利用得到的样本对所述机器学习模型进行训练，得到储粮害虫检测模型；

3)获取穿过待检测储粮的WiFi信号，从穿过待检测储粮的WiFi信号中提取CSI振幅数据并输入至所述储粮害虫检测模型中，得到待检测储粮中是否有害虫。

其有益效果：本发明利用WiFi信号通过储粮时，活动的害虫会引起WiFi信号中CSI振幅数据的显著且可测量变化的原理，通过构建机器学习算法模型，对储粮中是否含有害虫进行检测。该方法利用现有的WiFi设备以及软件算法即可实现对储粮中是否有害虫的检测，且能够对储粮中是否有害虫进行非破坏、低成本、非接触、无间断的检测，不受环境中其他声音的影响，且能够检测到粮粒之间的害虫，检测精度高，效果好。而且，该方法利用训练好的储粮害虫检测模型，简单且有效，检测实时性较高，有助于农民、经销商等更高效、快速地发现储粮中是否有害虫，以减少粮食浪费和成本。

作为方法的进一步改进，步骤1)中，为了提高储粮害虫检测模型的检测精度，在构建样本时，还对CSI振幅数据进行特征提取以得到对应的特征数据，将特征数据和与特征数据对应的类别构建样本；步骤3)中，在从穿过待检测储粮的WiFi信号中提取CSI振幅数据后，还对提取的CSI振幅数据进行特征提取，将提取出的特征数据输入至所述储粮害虫检测模型中。